基于领域工程的参数化人脸单目重建应用

许多现代在线 3D 应用和视频游戏依赖人类面部的参数化模型来创建可信的虚拟形象。然而，使用参数化模型手动复现某人的面部样貌既困难又耗时。针对该任务的机器学习解决方案非常可取但也极具挑战性。本文提出了一种针对所谓人脸到参数（简称 F2P）问题的新方法，旨在从单幅图像重建参数化人脸。所提出的方法利用合成数据、领域分解和领域自适应来解决 F2P 中的多方面挑战。开源的代码库展示了我们的关键观察并提供了定量评估的手段。所呈现的方法在工业应用中被证明是实用的；它提高了精度并允许更高效的模型训练。这些技术有潜力扩展到其他类型的参数化模型。